深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 32373 篇文献，本页显示第 15961 - 15980 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15961 | 2025-02-28 |
An Online Evaluation Method for Random Number Entropy Sources Based on Time-Frequency Feature Fusion
2025-Jan-27, Entropy (Basel, Switzerland)
DOI:10.3390/e27020136
PMID:40003132
|
研究论文 | 本文提出了一种基于时频特征融合的在线随机数熵源评估方法，通过神经网络预测随机序列的下一位，并引入了一种新的深度学习架构FFT-ATT-LSTM | 提出了一种新的深度学习架构FFT-ATT-LSTM，结合了简化的软注意力机制和快速傅里叶变换，有效融合时域和频域特征，提高了预测精度 | NA | 解决传统熵源评估方法难以在线部署的问题，实现在线检测熵源质量 | 随机数熵源 | 机器学习 | NA | 快速傅里叶变换（FFT），软注意力机制 | FFT-ATT-LSTM | 随机序列数据 | NA | NA | NA | NA | NA |
| 15962 | 2025-02-28 |
Mining Suicidal Ideation in Chinese Social Media: A Dual-Channel Deep Learning Model with Information Gain Optimization
2025-Jan-24, Entropy (Basel, Switzerland)
DOI:10.3390/e27020116
PMID:40003113
|
研究论文 | 本文提出了一种基于中文社交媒体的双通道深度学习模型DSI-BTCNN，用于识别自杀意念，并通过信息增益优化提高检测能力 | 提出了一种新的双通道模型DSI-BTCNN，结合信息增益优化的IDFN融合机制，有效分配计算资源以捕捉与自杀相关的关键特征 | 模型仅在中文社交媒体数据上进行了评估，未涉及其他语言或平台的数据 | 通过深度学习模型及时识别社交媒体上的自杀意念，以支持全球自杀预防工作 | 中文社交媒体数据 | 自然语言处理 | NA | 深度学习 | DSI-BTCNN（双通道卷积神经网络） | 文本 | 定制数据集 | NA | NA | NA | NA |
| 15963 | 2025-02-28 |
Immunohistochemistry-Free Enhanced Histopathology of the Rat Spleen Using Deep Learning
2025-Jan, Toxicologic pathology
IF:1.4Q4
DOI:10.1177/01926233241303907
PMID:39726256
|
研究论文 | 开发深度学习模型从H&E染色切片直接识别大鼠脾脏淋巴区室 | 首次实现无需免疫组化的深度学习增强组织病理学方法，直接从H&E染色量化脾脏淋巴区室 | 目前仅应用于正常大鼠脾脏，尚未验证于病变组织或其他物种 | 开发免疫系统增强组织病理学的深度学习定量评估方法 | 大鼠脾脏组织 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | 正常大鼠脾脏切片 | NA | NA | NA | NA |
| 15964 | 2025-02-28 |
Prediction models for cognitive impairment in middle-aged patients with cerebral small vessel disease
2025, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2025.1462636
PMID:40007740
|
研究论文 | 本研究旨在开发基于海马纹理的模型，用于预测中年脑小血管病（CSVD）患者的认知障碍 | 使用Unet深度学习神经网络模型自动分割海马体，并结合LASSO方法选择放射组学特征，构建预测模型 | 结合影像标志物和海马纹理的组合模型并未比单独模型显著改善诊断效果（p > 0.05） | 开发预测中年CSVD患者认知障碍的模型 | 145名CSVD患者和99名对照受试者 | 数字病理学 | 脑小血管病 | 深度学习、放射组学 | Unet、LASSO | 影像数据 | 244名受试者（145名CSVD患者和99名对照） | NA | NA | NA | NA |
| 15965 | 2025-02-28 |
Advancing arabic dialect detection with hybrid stacked transformer models
2025, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2025.1498297
PMID:40007884
|
研究论文 | 本文提出了一种基于两种Transformer模型的混合堆叠模型，用于提高阿拉伯方言的分类性能 | 提出了一种新颖的堆叠模型，结合了Bert-Base-Arabertv02和Dialectal-Arabic-XLM-R-Base两种Transformer模型，以捕捉更广泛的语言特征 | NA | 提高阿拉伯方言的分类性能，以增强自然语言处理（NLP）应用的效果 | 阿拉伯方言 | 自然语言处理 | NA | 深度学习 | Transformer, LSTM, GRU, CNN | 文本 | 使用了IADD和Shami数据集进行模型评估 | NA | NA | NA | NA |
| 15966 | 2025-02-28 |
KGRDR: a deep learning model based on knowledge graph and graph regularized integration for drug repositioning
2025, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2025.1525029
PMID:40008124
|
研究论文 | 本文提出了一种基于知识图谱和图正则化集成的深度学习模型KGRDR，用于预测药物与疾病之间的潜在相互作用 | KGRDR模型结合了多相似性集成和知识图谱学习，通过图正则化方法整合药物和疾病的多种相似性信息，有效消除噪声数据，并利用注意力机制融合相似性特征和拓扑特征，最终使用图卷积网络预测药物-疾病关联 | 未明确提及具体局限性 | 优化药物开发，加速新治疗方案的开发，降低成本并减轻风险 | 药物与疾病之间的相互作用 | 机器学习 | NA | 深度学习 | 图卷积网络（GCN） | 药物和疾病的相似性信息、生物医学知识图谱 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 15967 | 2025-02-28 |
Artificial intelligence in drug development: reshaping the therapeutic landscape
2025, Therapeutic advances in drug safety
IF:3.4Q2
DOI:10.1177/20420986251321704
PMID:40008227
|
研究论文 | 本文探讨了人工智能在药物研发中的应用及其对治疗领域的重塑 | 人工智能通过机器学习、深度学习和神经网络等技术，革新了药物设计、靶点识别和临床试验预测，并加速了药物分子的开发和重新设计 | AI模型通常被视为'黑箱'，其结论难以理解，且由于模型透明度和算法偏见的缺乏，限制了其潜力 | 研究人工智能在药物研发中的应用及其对治疗领域的重塑 | 药物研发过程中的各个环节，包括药物设计、靶点识别和临床试验预测 | 机器学习 | NA | 机器学习、深度学习、神经网络 | NA | NA | NA | NA | NA | NA | NA |
| 15968 | 2025-02-28 |
Corrigendum: Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2025, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2025.1564325
PMID:40012552
|
correction | 本文是对先前发表的文章的更正，该文章涉及基于PET/CT图像使用深度学习预测肺腺癌表皮生长因子受体突变状态 | NA | NA | 更正先前发表的文章中的错误 | NA | digital pathology | lung cancer | NA | deep learning | PET/CT images | NA | NA | NA | NA | NA |
| 15969 | 2025-10-07 |
MCNN-AAPT: accurate classification and functional prediction of amino acid and peptide transporters in secondary active transporters using protein language models and multi-window deep learning
2024-Nov-22, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2431664
PMID:39576667
|
研究论文 | 开发结合蛋白质语言模型和多窗口深度学习的技术，用于二级主动转运体中氨基酸和肽转运体的准确分类及功能预测 | 首次整合三种前沿蛋白质语言模型（ProtTrans、ESM-1b、ESM-2）与多窗口扫描深度学习架构，实现局部和全局序列模式的联合捕捉 | 研究仅基于448个二级主动转运体样本，模型泛化能力需进一步验证 | 建立计算框架对二级主动转运体中的氨基酸和肽转运体进行功能分类及溶质载体蛋白关联预测 | 二级主动转运体（含36个溶质载体蛋白） | 生物信息学 | 癌症 | 蛋白质语言模型，多窗口深度学习 | 深度学习神经网络 | 蛋白质序列数据 | 448个二级主动转运体（来自UniProt和TCDB数据库） | NA | 多窗口扫描架构 | 准确率，灵敏度，特异性，马修斯相关系数 | NA |
| 15970 | 2025-10-07 |
Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology
2024-Nov-08, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00745-0
PMID:39511421
|
研究论文 | 开发基于深度学习的AI模型，通过数字病理图像对神经母细胞瘤进行形态学分类和分子特征分析 | 采用注意力机制的多实例学习和自监督学习方法，使用迄今最大规模的神经母细胞瘤队列进行病理分类和MYCN扩增状态评估 | NA | 开发AI辅助的神经母细胞瘤分类系统 | 神经母细胞瘤 | 数字病理学 | 神经母细胞瘤 | H&E染色全切片图像 | 深度学习 | 图像 | 迄今最大规模报道的队列 | NA | 注意力机制多实例学习(aMIL), 自监督学习(SSL) | 诊断类别识别, 分级识别, 有丝分裂-核碎裂指数(MKI)评估, MYCN扩增状态识别 | NA |
| 15971 | 2025-10-07 |
An initial game-theoretic assessment of enhanced tissue preparation and imaging protocols for improved deep learning inference of spatial transcriptomics from tissue morphology
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae476
PMID:39367648
|
研究论文 | 通过改进组织制备和成像方案提升基于深度学习的空间转录组学形态学推断性能 | 首次从博弈论角度评估组织制备和成像方案对空间转录组学深度学习模型性能的影响，提出临床级标准化流程 | 研究样本量较小（仅13例结直肠癌患者），需要更大规模验证 | 评估改进的组织处理与成像方案对深度学习模型从组织形态推断空间转录组性能的影响 | 结直肠癌患者的组织样本 | 数字病理 | 结直肠癌 | 空间转录组学，自动化H&E染色，全玻片成像 | CNN | 组织图像 | 13例病理T分期III期结直肠癌患者 | TensorFlow | Inceptionv3 | 数据Shapley值 | NA |
| 15972 | 2025-10-07 |
Deep autoencoder-based behavioral pattern recognition outperforms standard statistical methods in high-dimensional zebrafish studies
2024-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012423
PMID:39255309
|
研究论文 | 本研究开发了一种基于深度自编码器的行为模式识别方法，用于分析斑马鱼高维行为数据并识别环境毒物引起的异常行为 | 使用半监督深度自编码器提取斑马鱼正常行为特征，相比传统统计方法能识别更多毒物诱导的异常行为模式 | NA | 开发更有效的行为模式识别方法以检测环境毒物对斑马鱼神经行为的影响 | 斑马鱼幼虫的行为数据 | 机器学习 | 神经毒性疾病 | 行为分析 | 深度自编码器 | 行为数据 | NA | NA | 自编码器 | NA | NA |
| 15973 | 2025-10-07 |
Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos
2024-08-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发基于深度学习的人工智能模型，通过移动设备拍摄的照片早期检测儿童眼部疾病 | 首次使用移动照片和AI技术实现儿童近视、斜视和上睑下垂的便捷家庭筛查 | 研究为横断面设计，样本量相对有限，不同年龄组间存在性能差异 | 开发AI模型用于儿童眼部疾病的早期检测 | 被诊断患有近视、斜视或上睑下垂的儿童患者 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 图像 | 476名患者的1419张图像（225名女性，47.27%；299名6-12岁儿童，62.82%） | NA | NA | 敏感度, 特异度, 准确率, AUC, 阳性预测值, 阴性预测值, 阳性似然比, 阴性似然比, F1分数 | NA |
| 15974 | 2025-10-07 |
Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records
2024-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.09.24308603
PMID:38946986
|
研究论文 | 本研究开发了一种基于深度学习的电子健康记录分析模型，用于准确识别ANCA相关性血管炎病例 | 首次将深度学习模型应用于电子健康记录中的临床文本分析，相比传统基于规则的方法能识别更多ANCA相关性血管炎病例 | 研究数据来源于单一医疗系统，模型性能需在更广泛人群中验证 | 开发更准确的ANCA相关性血管炎病例识别方法 | 电子健康记录中的临床文档 | 自然语言处理 | ANCA相关性血管炎 | 电子健康记录分析 | 深度学习 | 文本 | 数据集I: 6,000个注释片段，数据集II: 3,008个注释片段，数据集III: 7,500个注释片段，测试队列: 2,000个样本 | NA | NA | PPV, 敏感度, F分数, AUROC, AUPRC | NA |
| 15975 | 2025-10-07 |
Identification and Structural Characterization of Twisted Atomically Thin Bilayer Materials by Deep Learning
2024-Mar-06, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.3c04815
PMID:38407030
|
研究论文 | 利用深度学习技术识别和表征扭曲原子级薄层二维材料的厚度和扭转角度 | 首次结合语义分割CNN和光学显微镜实现MoS₂薄层厚度识别与扭转角度预测的自动化方法 | 模型训练主要基于合成图像数据集，实际应用效果需进一步验证 | 开发自动化检测扭曲原子级薄层二维材料的方法 | 化学气相沉积生长的二硫化钼(MoS₂)薄层材料 | 计算机视觉 | NA | 光学显微镜，化学气相沉积(CVD)，二次谐波产生，拉曼光谱 | CNN | 图像 | 超过10,000张合成图像，涵盖六边形到三角形几何形状 | NA | 语义分割CNN | NA | NA |
| 15976 | 2025-02-28 |
Predicting epidermal growth factor receptor mutation status of lung adenocarcinoma based on PET/CT images using deep learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1458374
PMID:39735601
|
研究论文 | 本研究旨在开发基于18F-FDG PET/CT图像的深度学习模型，用于预测肺腺癌（LUAD）患者的表皮生长因子受体（EGFR）突变状态 | 利用深度学习模型预测EGFR突变状态，结合PET/CT图像和临床特征，提高了预测的准确性 | 研究仅基于两个机构的430名患者，样本量可能不足以代表所有肺腺癌患者 | 开发预测肺腺癌患者EGFR突变状态的深度学习模型 | 430名非小细胞肺癌患者 | 计算机视觉 | 肺癌 | 18F-FDG PET/CT成像 | Inception V3 | 图像 | 430名非小细胞肺癌患者 | NA | NA | NA | NA |
| 15977 | 2025-10-07 |
DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65910
PMID:38163278
|
研究论文 | 提出DeepOmicsAE工作流程，利用自编码器分析多组学数据以识别阿尔茨海默病的信号模块 | 开发了针对多组学数据优化的自编码器工作流程，提供参数优化方法，并能识别与临床特征互作的分子信号模块 | 样本量相对较小(142人)，仅使用死后脑样本数据 | 开发多组学数据分析方法以研究阿尔茨海默病的分子机制 | 健康个体和阿尔茨海默病患者的死后脑样本 | 机器学习 | 阿尔茨海默病 | 蛋白质组学,代谢组学,临床数据分析 | 自编码器 | 蛋白质组数据,代谢组数据,临床数据 | 142人(包括健康对照和阿尔茨海默病患者) | NA | 自编码器 | NA | NA |
| 15978 | 2025-10-07 |
Artificial Intelligence-based System for Detecting Attention Levels in Students
2023-12-15, Journal of visualized experiments : JoVE
DOI:10.3791/65931
PMID:38163270
|
研究论文 | 提出基于人工智能的系统，通过分析学生面部表情、视线方向、身体姿态和生物特征数据来检测课堂注意力水平 | 整合多种数据源（面部表情、视线方向、身体姿态和生物特征）构建注意力检测系统 | 需要创建标记数据集，整合不同类型数据存在挑战 | 开发AI系统自动识别学生注意力水平，帮助教师优化教学过程 | 课堂学生 | 机器学习 | NA | 深度学习 | 深度学习模型 | 图像数据, 传感器数据, 生物特征数据 | NA | NA | NA | NA | NA |
| 15979 | 2025-10-07 |
Brain analysis to approach human muscles synergy using deep learning
2025-Dec, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-025-10228-y
PMID:39996071
|
研究论文 | 本研究通过深度学习分析脑电信号和肌电信号来探索人体肌肉协同作用 | 结合脑电信号和肌电信号进行协同分析，并开发了从脑连接图重建肌肉信号的新方法 | NA | 研究手部运动过程中脑电和肌电信号的相互作用，估计肌肉与脑信号之间的协同作用 | 脑电信号和肌电信号 | 机器学习 | NA | 脑电图，肌电图，图论分析 | 神经网络，卷积网络 | 脑电信号，肌电信号 | NA | NA | NA | 相关系数，均方误差 | NA |
| 15980 | 2025-10-07 |
Automated classification of coronary LEsions fRom coronary computed Tomography angiography scans with an updated deep learning model: ALERT study
2025-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-11308-z
PMID:39792162
|
研究论文 | 本研究评估更新版深度学习模型CorEx-2.0在冠状动脉CT血管造影扫描中自动分类冠状动脉病变的诊断性能 | 使用最新更新的深度学习模型CorEx-2.0进行冠状动脉狭窄定量分析，并与两位专家读片者进行独立比较 | 单中心回顾性研究，样本量较小（50例患者），缺乏多中心验证 | 评估深度学习模型在冠状动脉CT血管造影中定量测量冠状动脉狭窄的诊断性能 | 接受冠状动脉CT血管造影检查以排除阻塞性冠状动脉疾病的患者 | 医学影像分析 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习模型 | 医学影像 | 50例患者，150条血管 | NA | CorEx-2.0 | 灵敏度, Cohen's kappa, 线性加权kappa, 一致率 | NA |